CN105469057B - 一种基于hough直线检测和投影的车窗检测方法 - Google Patents
一种基于hough直线检测和投影的车窗检测方法 Download PDFInfo
- Publication number
- CN105469057B CN105469057B CN201510849445.1A CN201510849445A CN105469057B CN 105469057 B CN105469057 B CN 105469057B CN 201510849445 A CN201510849445 A CN 201510849445A CN 105469057 B CN105469057 B CN 105469057B
- Authority
- CN
- China
- Prior art keywords
- vehicle window
- image
- straight
- binary image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于hough直线检测和投影的车窗检测方法,包括车窗区域粗定位步骤、车窗上下边界定位步骤和车窗左右边界定位步骤。本发明基于车牌位置的检测,在车牌位置的基础上初步定位出车窗区域,在这个粗定位的车窗区域里,通利用hough直线检测和水平梯度等技术,分别对粗定位的车窗区域信息进行处理,找到最合适的车窗上下边界位置,确定车窗上下边界;再通过边缘图像处理,利用hough直线检测技术,找到合适的车窗左右边界位置,确定车窗左右边界,从而检测出准确的车窗区域,完成车窗的精确识别检测。
Description
技术领域
本发明涉及车辆识别领域,特别是涉及一种基于hough直线检测和投影的车窗检测方法。
背景技术
近几十年来,智能交通系统已经取得了飞速发展。车窗区域识别是智能交通系统中一个比较新的研究方向,车窗检测是卡口车辆识别系统中的一个重要功能。当检测到车窗区域以后,就能在其基础上进行年检标志、副驾驶位人员、车前摆件等一系列车辆指纹的检测,为车辆识别系统提供依据,在很大程度上改善车辆识别的准确率,因此,对车窗检测是车辆识别系统中的关键技术。
目前的车窗检测算法主要有两个研究方向:基于梯度的车窗检测方法和基于颜色差异的车窗检测方法。这两种方法存在以下弊端:当采用基于梯度的车窗检测方法时,如果车窗边界不够明显,其边框的梯度也很不明显;而当基于颜色差异的车窗检测方法,如果车窗区域颜色与车身差异不够大,车窗检测也不会很精确。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于hough直线检测和投影的车窗检测方法,基于车牌位置的检测,在车牌位置的基础上定位出大致的车窗区域;在这个粗定位的区域里,利用hough直线检测和水平梯度等技术,找到最合适的上下边界位置;再通过hough直线检测找到合适的车窗左右边界,从而检测出准确的车窗区域。
本发明的目的是通过以下技术方案来实现的:一种基于hough直线检测和投影的车窗检测方法,所述方法包括车窗区域粗定位步骤S1、车窗上下边界定位步骤S2和车窗左右边界定位步骤S3。
S1,车窗区域粗定位步骤:根据车牌位置初步定位出车窗区域,得到粗定位的车窗区域图像。
S2,车窗上下边界定位步骤,确定车窗的上下边界,包括以下多个子步骤。
S201,对步骤S1中的车窗区域图像进行均值二值化处理,计算其灰度图像的灰度均值,并根据均值进行二值化,得到二值化图像。
S202,对二值化图像进行hough直线检测处理,检测出符合要求的直线,并在二值化图像上只保留被检测出的直线所在的前景点,得到前景点二值化图像。
S203,对步骤S1中的车窗区域图像进行水平梯度处理,计算其水平梯度,得到水平梯度图像。
S204,对水平梯度图像进行均值二值化处理,输出水平梯度二值化图像。
S205,对前景点二值化图像和水平梯度二值化图像进行加权处理,对每个像素点进行或操作,输出加权二值化图像。
S206,对加权二值化图像进行水平投影,得到一条长度为图像高度的水平投影序列。
S207,找出水平投影序列的前半部分中的最大水平投影值,并将其所对应的高度位置设为车窗区域的上边界位置,找出水平投影序列的后半部分最大水平投影值,并将其所对应的高度位置设为车窗区域的下边界位置,得到确定了车窗上下边界的车窗区域图像。
S3,车窗左右边界定位步骤,确定车窗的左右边界,包括以下多个子步骤。
S301,对S207中得到的车窗区域图像进行边缘检测,得到边缘二值化图像。
S302,对边缘二值化图像进行hough直线检测处理,检测出符合要求的直线。
S303,将S302中检测出的直线分为左右两部分,找出左半部分中最长的一条直线,并将其所对应的宽度位置设为车窗区域的左边界,找出右半部分中最长的一条直线,并将其所对应的宽度位置设为车窗区域的右边界,得到上下边界和左右边界均重新设定的车窗区域图像。
S304,完成车窗检测。
进一步的,所述步骤S1包括以下多个子步骤。
S101,在原始图像中定位出车牌位置,并计算车牌的高度值H和宽度值L。
S102,将车牌位置上方A倍高度值H的位置设为车窗区域的下边界。
S103,将车牌位置上方B倍高度值H的位置设为车窗区域的上边界。
S104,将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界。
S105,将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界。
S106,得到粗定位的车窗区域图像。
其中,变量A、变量B和变量C的具体值根据实际应用来设定。
进一步的,步骤S106中所述粗定位的车窗区域图像,其车窗区域的高度位置为车牌位置上方19个高度值H的位置到4.5个高度值H之间的位置,该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
进一步的,步骤S202中所述要求为:长度不小于车窗区域图像宽度的1/5的直线,水平角度在-30°~30°之间的直线。
进一步的,步骤S302中所述要求为:长度大于边缘二值化图像高度1/2的直线,边缘二值化图像左半部分中角度在45°~95°之间的直线,边缘二值化图像右半部分中角度在85°~135°之间的直线。
进一步的,步骤S203中所述的水平梯度,其计算方式为:计算粗定位的车窗区域图像上每一个像素点P(x,y)的水平梯度V(x,y),水平梯度V(x,y)为该像素点P(x,y)的上一行所对应像素点P(x,y-1)和该像素点P(x,y)的下一行所对应像素点P(x,y+1)的差的绝对值,其表达式为:
V(x,y)=|P(x,y-1)-P(x,y+1)|。
进一步的,所述hough直线检测包括以下多个子步骤。
S401,针对二值化图像中的每一个像素点P(x,y),计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ,计算公式为:ρ=x*cosθ+y*sinθ。
S402,根据曲线矩阵,以二值化图像中某一像素点为基准,按要求以半径为R搜索附近是否有曲线系数相似的像素点,如果有则认为属于同一条直线。
S403,重复步骤S402找出一系列直线,完成二值化图像的hough直线检测。
进一步的,步骤S206所述的水平投影,其具体方式包括:统计每一行的前景点数,作为该行的水平投影值,将各行的水平投影值累加,得到一条长度为图像高度的水平投影序列。
本发明的有益效果是:
1)本发明基于车牌位置的检测,在车牌位置的基础上初步定位出车窗区域,在这个粗定位的车窗区域里,通利用hough直线检测和水平梯度等技术,分别对粗定位的车窗区域信息进行处理,找到最合适的车窗上下边界位置,确定车窗上下边界;再通过边缘图像处理,利用hough直线检测技术,找到合适的车窗左右边界位置,确定车窗左右边界,从而检测出准确的车窗区域,完成车窗的精确识别检测。
2)本发明所提出的车窗检测方法,能对光照影响和图像模糊都有一定的抑制作用,并对车辆识别系统的其他子系统提供了有力的帮助。
附图说明
图1为本发明车窗识别系统的系统结构框图;
图2为本发明中hough直线检测实施例之一的原理示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,该实施例描述了一种基于hough直线检测和投影的车窗检测方法,包括车窗区域粗定位步骤S1、车窗上下边界定位步骤S2和车窗左右边界定位步骤S3。
(1)车窗区域粗定位步骤
S1,根据车牌位置初步定位出车窗区域,得到粗定位的车窗区域图像,该步骤S1一般包括以下多个子步骤。
S101,在原始图像中定位出车牌位置,并计算车牌的高度值H和宽度值L。
S102,将车牌位置上方A倍高度值H的位置设为车窗区域的下边界。
S103,将车牌位置上方B倍高度值H的位置设为车窗区域的上边界。
S104,将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界。
S105,将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界。
S106,得到粗定位的车窗区域图像。
本发明中,该变量A、变量B和变量C可自定义设置,其具体值根据实际应用来设定,其参考因素主要有摄像头安装位置、摄像头拍摄角度等。如当摄像头安装位置较低时,车窗的下边界和上边界与车牌间的距离小,变量A和变量B的取值小;当像头安装位置较高时,车窗的下边界和上边界与车牌间的距离大,变量A和变量B的取值大;当摄像头拍摄角度与水平方向的夹角越大时,变量A的取值应相应增大。
一般的,变量A可设为4.5左右,变量B可设为19左右,变量C可设为1.6左右,是的步骤S106中所述粗定位的车窗区域图像,其车窗区域的高度位置为车牌位置上方19个高度值H的位置到4.5个高度值H之间的位置,该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
(2)车窗上下边界定位步骤
S2,车窗上下边界定位步骤,确定车窗的上下边界,包括以下多个子步骤。
1)hough直线检测处理
S201,对步骤S1中的车窗区域图像进行均值二值化处理,计算其灰度图像的灰度均值,并根据均值进行二值化,得到二值化图像。
S202,对二值化图像进行hough直线检测处理,检测出符合要求的直线,并在二值化图像上只保留被检测出的直线所在的前景点,得到前景点二值化图像。
进一步的,如图2所示,所述hough直线检测包括以下多个子步骤。
S401,针对二值化图像中的每一个像素点P(x,y),计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ,计算公式为:ρ=x*cosθ+y*sinθ。一般的,步进S可自定义设置,如赋值为1。
S402,根据曲线矩阵,以二值化图像中某一像素点为基准,按要求以半径为R搜索附近是否有曲线系数相似的像素点,如果有则认为属于同一条直线。一般的,其中半径R可赋值为1。
S403,重复步骤S402找出一系列直线,完成二值化图像的hough直线检测。
步骤S202和S402中所述要求为:长度不小于车窗区域图像宽度的1/5的直线,水平角度在-30°~30°之间的直线。
2)计算水平梯度
S203,对步骤S1中的车窗区域图像进行水平梯度处理,计算其水平梯度,得到水平梯度图像。
优选的,步骤S203中所述的水平梯度,其计算方式为:计算粗定位的车窗区域图像上每一个像素点P(x,y)的水平梯度V(x,y),水平梯度V(x,y)为该像素点P(x,y)的上一行所对应像素点P(x,y-1)和该像素点P(x,y)的下一行所对应像素点P(x,y+1)的差的绝对值,其表达式为:
V(x,y)=|P(x,y-1)-P(x,y+1)|。
S204,对水平梯度图像进行均值二值化处理,输出水平梯度二值化图像。
3)水平投影
S205,对前景点二值化图像和水平梯度二值化图像进行加权处理,对每个像素点进行或操作,输出加权二值化图像。
S206,对加权二值化图像进行水平投影,其具体方式可为:统计每一行的前景点数,作为该行的水平投影值,将各行的水平投影值累加,得到一条长度为图像高度的水平投影序列。
S207,找出水平投影序列的前半部分中的最大水平投影值,并将其所对应的高度位置设为车窗区域的上边界位置,找出水平投影序列的后半部分最大水平投影值,并将其所对应的高度位置设为车窗区域的下边界位置,得到确定了车窗上下边界的车窗区域图像。
(3)车窗左右边界定位步骤
S3,车窗左右边界定位步骤,确定车窗的左右边界,包括以下多个子步骤。
S301,对S207中得到的车窗区域图像进行边缘检测,得到边缘二值化图像。
S302,对边缘二值化图像进行hough直线检测处理,检测出符合要求的直线。
进一步的,如图2所示,所述hough直线检测包括以下多个子步骤。
S401,针对二值化图像中的每一个像素点P(x,y),计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ,计算公式为:ρ=x*cosθ+y*sinθ。一般的,步进S可自定义设置,如赋值为1。
S402,根据曲线矩阵,以二值化图像中某一像素点为基准,按要求以半径为R搜索附近是否有曲线系数相似的像素点,如果有则认为属于同一条直线。一般的,其中半径R可赋值为1。
S403,重复步骤S402找出一系列直线,完成二值化图像的hough直线检测。
步骤S302和S402中所述要求为:长度大于边缘二值化图像高度1/2的直线,边缘二值化图像左半部分中角度在45°~95°之间的直线,边缘二值化图像右半部分中角度在85°~135°之间的直线。
S303,将S302中检测出的直线分为左右两部分,找出左半部分中最长的一条直线,并将其所对应的宽度位置设为车窗区域的左边界,找出右半部分中最长的一条直线,并将其所对应的宽度位置设为车窗区域的右边界,得到上下边界和左右边界均重新设定的车窗区域图像。
S304,完成车窗检测。
如上参照附图以示例的方式描述了根据本发明的一种基于hough直线检测和投影的车窗检测方法。但是,本领域技术人员应当理解,对于上述本发明所提出的一种基于hough直线检测和投影的车窗检测方法,还可以在不脱离本发明内容的基础上做出各种改进,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。因此,本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (8)
1.一种基于hough直线检测和投影的车窗检测方法,其特征在于,所述方法包括以下步骤:
S1,车窗区域粗定位步骤:根据车牌位置初步定位出车窗区域,得到粗定位的车窗区域图像;
S2,车窗上下边界定位步骤,确定车窗的上下边界,包括以下子步骤:
S201,对步骤S1中的车窗区域图像进行均值二值化处理,计算其灰度图像的灰度均值,并根据均值进行二值化,得到二值化图像;
S202,对二值化图像进行hough直线检测处理,检测出符合要求的直线,并在二值化图像上只保留被检测出的直线所在的前景点,得到前景点二值化图像;
S203,对步骤S1中的车窗区域图像进行水平梯度处理,计算其水平梯度,得到水平梯度图像;
S204,对水平梯度图像进行均值二值化处理,输出水平梯度二值化图像;
S205,对前景点二值化图像和水平梯度二值化图像进行加权处理,对每个像素点进行或操作,输出加权二值化图像;
S206,对加权二值化图像进行水平投影,得到一条长度为图像高度的水平投影序列;
S207,找出水平投影序列的前半部分中的最大水平投影值,并将其所对应的高度位置设为车窗区域的上边界位置,找出水平投影序列的后半部分最大水平投影值,并将其所对应的高度位置设为车窗区域的下边界位置,得到确定了车窗上下边界的车窗区域图像;
S3,车窗左右边界定位步骤,确定车窗的左右边界,包括以下子步骤:
S301,对S207中得到的车窗区域图像进行边缘检测,得到边缘二值化图像;
S302,对边缘二值化图像进行hough直线检测处理,检测出符合要求的直线;
S303,将S302中检测出的直线分为左右两部分,找出左半部分中最长的一条直线,并将其所对应的宽度位置设为车窗区域的左边界,找出右半部分中最长的一条直线,并将其所对应的宽度位置设为车窗区域的右边界,得到上下边界和左右边界均重新设定的车窗区域图像;
S304,完成车窗检测。
2.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于,所述步骤S1包括以下子步骤:
S101,在原始图像中定位出车牌位置,并计算车牌的高度值H和宽度值L;
S102,将车牌位置上方A倍高度值H的位置设为车窗区域的下边界;
S103,将车牌位置上方B倍高度值H的位置设为车窗区域的上边界;
S104,将车牌位置左方C倍宽度值L的位置设为车窗区域的左边界;
S105,将车牌位置右方C倍宽度值L的位置设为车窗区域的右边界;
S106,得到粗定位的车窗区域图像;
其中,变量A、变量B和变量C的具体值根据实际应用来设定。
3.根据权利要求2所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于:步骤S106中所述粗定位的车窗区域图像,其车窗区域的高度位置为车牌位置上方19个高度值H的位置到4.5个高度值H之间的位置,该车窗区域的宽度位置为车牌位置左方1.6个宽度值L的位置到车牌位置右方1.6个宽度值L之间的位置。
4.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于,步骤S202中所述要求为:长度不小于车窗区域图像宽度的1/5的直线,水平角度在-30°~30°之间的直线。
5.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于,步骤S302中所述要求为:长度大于边缘二值化图像高度1/2的直线,边缘二值化图像左半部分中角度在45°~95°之间的直线,边缘二值化图像右半部分中角度在85°~135°之间的直线。
6.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于,步骤S203中所述的水平梯度,其计算方式为:计算粗定位的车窗区域图像上每一个像素点P(x,y)的水平梯度V(x,y),水平梯度V(x,y)为该像素点P(x,y)的上一行所对应像素点P(x,y-1)和该像素点P(x,y)的下一行所对应像素点P(x,y+1)的差的绝对值,其表达式为:
V(x,y)=|P(x,y-1)-P(x,y+1)|。
7.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于,所述hough直线检测包括以下子步骤:
S401,针对二值化图像中的每一个像素点P(x,y),计算该像素点对应步进为S的0°到180°的角度θ的曲线系数ρ,计算公式为:ρ=x*cosθ+y*sinθ;
S402,根据曲线矩阵,以二值化图像中某一像素点为基准,按要求以半径为R搜索附近是否有曲线系数相似的像素点,如果有则认为属于同一条直线;
S403,重复步骤S402找出一系列直线,完成二值化图像的hough直线检测。
8.根据权利要求1所述的一种基于hough直线检测和投影的车窗检测方法,其特征在于,步骤S206所述的水平投影,其具体方式包括:统计每一行的前景点数,作为该行的水平投影值,将各行的水平投影值累加,得到一条长度为图像高度的水平投影序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510849445.1A CN105469057B (zh) | 2015-11-27 | 2015-11-27 | 一种基于hough直线检测和投影的车窗检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510849445.1A CN105469057B (zh) | 2015-11-27 | 2015-11-27 | 一种基于hough直线检测和投影的车窗检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105469057A CN105469057A (zh) | 2016-04-06 |
CN105469057B true CN105469057B (zh) | 2019-04-12 |
Family
ID=55606728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510849445.1A Active CN105469057B (zh) | 2015-11-27 | 2015-11-27 | 一种基于hough直线检测和投影的车窗检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105469057B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975903A (zh) * | 2016-04-22 | 2016-09-28 | 安徽大学 | 一种汽车特征识别方法 |
CN106250824A (zh) * | 2016-07-21 | 2016-12-21 | 乐视控股(北京)有限公司 | 车窗定位方法和系统 |
CN106952216B (zh) * | 2017-03-27 | 2020-07-28 | 成都航空职业技术学院 | 一种基于imx6图形处理器的直线检测方法 |
CN108133170B (zh) * | 2017-10-31 | 2020-07-14 | 浙江浩腾电子科技股份有限公司 | 一种多方向车辆的车窗定位方法 |
CN108182376B (zh) * | 2017-11-15 | 2020-12-08 | 浙江工业大学 | 一种基于车窗角点检测的车窗定位方法 |
CN108470137B (zh) * | 2017-12-13 | 2022-05-13 | 天地伟业技术有限公司 | 一种基于视频的汽车遮阳板检测方法 |
CN109300125B (zh) * | 2018-09-21 | 2022-02-18 | 南京航轩轨道交通科技有限公司 | 一种复杂环境下城轨列车受电弓滑板图像提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0569982A3 (en) * | 1992-05-14 | 1994-12-07 | United Parcel Service Inc | Method and apparatus for processing images with symbols with dense edges. |
CN103207988A (zh) * | 2013-03-06 | 2013-07-17 | 大唐移动通信设备有限公司 | 一种图像识别方法及装置 |
CN103679146A (zh) * | 2013-12-06 | 2014-03-26 | 中科联合自动化科技无锡有限公司 | 基于高通滤波器和Hough变换的安全带智能检测方法 |
CN103870827A (zh) * | 2014-02-21 | 2014-06-18 | 杭州奥视图像技术有限公司 | 一种结合颜色与纹理的车牌检测方法 |
-
2015
- 2015-11-27 CN CN201510849445.1A patent/CN105469057B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0569982A3 (en) * | 1992-05-14 | 1994-12-07 | United Parcel Service Inc | Method and apparatus for processing images with symbols with dense edges. |
CN103207988A (zh) * | 2013-03-06 | 2013-07-17 | 大唐移动通信设备有限公司 | 一种图像识别方法及装置 |
CN103679146A (zh) * | 2013-12-06 | 2014-03-26 | 中科联合自动化科技无锡有限公司 | 基于高通滤波器和Hough变换的安全带智能检测方法 |
CN103870827A (zh) * | 2014-02-21 | 2014-06-18 | 杭州奥视图像技术有限公司 | 一种结合颜色与纹理的车牌检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105469057A (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105469057B (zh) | 一种基于hough直线检测和投影的车窗检测方法 | |
CN105404874B (zh) | 一种基于投影和hough直线检测的车窗识别系统 | |
CN103279736B (zh) | 一种基于多信息邻域投票的车牌检测方法 | |
CN103150549B (zh) | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 | |
RU2009102124A (ru) | Устройство обработки видеоинформации системы охранной сигнализации | |
CN103065494B (zh) | 一种基于计算机视觉的空闲停车位检测方法 | |
CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
CN103839038A (zh) | 一种人数统计的方法及装置 | |
CN109035292A (zh) | 基于深度学习的运动目标检测方法及装置 | |
CN105427286B (zh) | 一种基于灰度和梯度分割的红外目标检测方法 | |
CN103971135A (zh) | 基于头肩深度信息特征的人体目标检测方法 | |
CN108229524A (zh) | 一种基于遥感图像的烟囱和冷凝塔检测方法 | |
CN102789578A (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
CN109186772B (zh) | 一种基于红外探测器的人体判断方法及电器 | |
CN109242861A (zh) | 一种基于图像处理的水质监控方法 | |
CN105307116A (zh) | 一种基于移动机器人的分布式视觉定位系统及方法 | |
CN106709952A (zh) | 一种显示屏幕的自动标定方法 | |
CN103514460B (zh) | 视频监控多视角车辆检测方法和装置 | |
CN102610104A (zh) | 一种车载的前方车辆检测方法 | |
CN103034998A (zh) | 旋转对称图形的中心与旋转角检测方法及装置 | |
CN103679724B (zh) | 斜率逼近式直线检测方法 | |
Guanghui et al. | An artificial landmark design based on mobile robot localization and navigation | |
CN104166843B (zh) | 一种基于直线连续性的文档图像来源判别方法 | |
CN106447685B (zh) | 一种红外跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |